美國經濟顧問委員會主席：為什麼需要更多人工智慧？
美國白宮和紐約大學法律信息中心在 Google Open Research、微軟研究院以及麥克阿基金的支持下，舉辦了一場主題為 AI Now: The Social and Economic Implications of Artificial Intelligence Technologies in the Near Term（人工智慧進行時：人工智慧技術近期的社會和經濟影響）的討論會（7 月 7日，紐約大學），討論了人工智慧技術對社會以及經濟系統的近期影響。該討論會重點關注未來 5 到 10 年我們將要面臨的挑戰，特別是以下幾個主題：社會公平、勞動、醫療健康以及道德。來自產業界、學術界以及民間組織的代表分享了各自對技術設計、研究以及政策方向的看法。本文是美國經濟顧問委員會主席 Jason Furman 在這次討論會上所做講話的擴充版。
很多關於人工智慧對經濟影響的爭論中心都是：這一次是否會不一樣。一些樂觀主義者認為人工智慧與之前的技術沒什麼區別，幾個世紀以來人們一直在擔心機器會代替人類勞動，結果機器反而創造出了前所未想的工作，並且還提高了人們的收入，這證明這個擔心是不靠譜的。其他一些人認為人工智慧與眾不同，因為它代替了認知工作，讓很多人類勞動變得多餘，在悲觀主義者眼中這將導致大規模失業，而在樂觀主義者眼中，人工智慧會帶來歷史上無與倫比的自由和休閑時光。我想說，我看不出有什麼理由讓我相信人工智慧將給經濟帶來的影響與之前的技術進步帶來的經濟影響有什麼不同。
但是和多數樂觀主義者不同，我沒發現這種相似性是完全令人欣慰的，因為近幾十年的技術進步在帶來了巨大好處的同時，也增加了不平等、降低了勞動參與率。然而，正如我將在今天早上強調的那樣：技術變革對勞動力的影響會被各種各樣的制度體系調節，因此政策選擇會對實際結果有很大的影響。人工智慧本身並不會需要經濟政策上的新範式，例如，支持者擁護用普遍基本收入（UBI）替換現有的社會保障制度。但是人工智慧會加強我們應該已經採取的步驟，從而確保經濟增長能被更加廣泛地分享。但是在思考人工智慧可能會帶來的副作用之前，我想談談我對它的最大擔心：我們還沒有足夠的人工智慧。對於任何一個創新，我們前三個反映應該都是歡呼它，並問問自己怎麼才能從它那裡獲得更多，這是我在發言中想討論的第一個問題。但是我之後會討論人工智慧對勞動力市場的潛在負面影響。最後，我會總結一下公共政策在解決這些問題中所扮演的角色—— 幫助推動人工智慧的同時確保更多的人能分享到它的好處，這兩個目標最終是互補的。
為什麼我們需要更多人工智慧？
我有時會在經濟學家與技術專家的對話之間感覺到進退兩難——經濟學家總是擔心測量出的生產率增長（productivity growth），而技術專家能看見發生在我們周圍的變革。你可能不會驚訝於我在這個問題站在經濟學家這邊。在 31 個發達經濟體中，已經有 30 個測量出生產率增長放緩，年平均增長率從 1994 年到 2004 年這十年間的 2%下降到 2004 年到 2014 年十年間的 1%。值得注意的是，如表 1 顯示，在 G7 成員國中，美國的增長速度依然是最快的，但也從前十年的 2.3% 下降到後十年的 1.1 %。
表 1 來源：大會委員會，Total Economy Database；CEA 的計算
有很多理由相信官方統計並沒有抓住所有領域的生產率提升數據，所以 1.1%這個數字可能低估了美國 2004 年到 2014 年這十年的生產率增長情況。1994 年到 2004年的情況也可能被低估了，這十年見證了世界範圍內的網路及網路搜索、電子商務、電子郵件和更多相關的網路應用的發明，更不要說手機的廣泛普及和移動電子郵件的發明。最近的研究已證實幾乎沒有理由可以懷疑生產率增長的大幅度放緩，包括指出這個放緩已經存在於數據測量結果表現較好的行業（Byrne, Fernald, 和 Reinsdorft 2016; Syverson 2016）。
生產率增長放緩產生了深遠的後果，導致了實際工資增長更加緩慢，並增加了我們長期的財政挑戰。今天的討論不會涵蓋生產率放緩的所有原因，但可以說疲軟的商業投資是一部分問題，而創新的步伐似乎也在放緩。這看起來有點反直覺，因為包括在機器人、人工智慧、和更普遍的自動化在內的創新是那麼讓人興奮。這些創新或許讓人興奮，但是相比住房、零售、教育和健康等其他經濟部門，它們仍然只代表了我們生活中的一小部分。
那就是說，經濟領域的技術部分正在為生產率增長做出巨大的貢獻。2015 年的一項 17 國的機器人調研發現，在 1993 年和 2007 年之間，機器人產業為這些國家的年 GDP 增長率平均貢獻了 0.4 個百分點，佔了這段時間內這些國家的 GDP 增長率十分之一以上 (Graetz 和 Michaels 2015)。此外，自 2010 年以來，世界範圍內的工業機器人的出貨量已大幅增加（見表 2），未來生產率可能會有更高的增長。
表 2 來源: 機器人國際聯合會(International Federation for Robotics), World Robotics 2015。
與此相關，近年來人工智慧及其在一系列不同領域中的應用有了巨大的進展。例如，許多公司都在使用人工智慧來分析在線客戶交易來檢測和防止欺詐，同樣，社交網站也正在使用它來檢測用戶帳戶是否遭到了劫持。有了人工智慧，網路搜索應用現在才變的更加精準——例如校正手動輸入錯誤 ——因此也降低了與搜索相關的成本。在放射科，醫生必須能夠檢查出影像不正常的地方，人工智慧卓越的圖像處理技術可能很快就能提供更準確的圖像分析了，從而擴展早期發現有害異常和減少誤報的能力，最終實現更好的醫療護理。
人工智慧也正在進入公共部門。例如，只要能保證必須負責地使用以避免偏見，預測分析就能在改善刑事司法程序上有很大的潛力。北卡羅來納州的 Charlotte-Mecklenburg 市正在使用預測分析來幫助為審前釋放的決策提供信息，這得到了總統的「數據驅動司法倡議（Data Driven Justice Initiative）」的支持，這是一種為了減少累犯率和監獄人數的方法（White House 2016a）。儘管一些人相信人工智慧能夠移除決策中的偏見，但我們必須記住人類是不完美的——帶著自己的偏見編寫了演算法和隨時間收集與分析了數據。正如總統行政辦公室（2016）的報告「Big Risks, Big Opportunities: the Intersection of Big Data and Civil Rights（大風險、大機遇：大數據和公民權利的交集）」中提到的那樣：對我們來說，重要的是認識和糾正過去的偏見影響未來的人工智慧的方式。
然而，雖然人工智慧研究已經開展了幾十年，但最近的進展仍然是非常新的，所以說人工智慧並沒有產生大的宏觀經濟效應，至少目前還沒有。人工智慧最新的重大進展是在深度學習領域，這是一種強大的方法，但必須以自定義的方式應用於每種應用。下面我將作一點預測，值得注意的是，深度學習的最新進展建立在大學實驗室的神經網路研究基礎上，這些研究很大程度上是由國防部高級研究項目局（DARPA）和其它政府機構於上世紀八十年代到九十年代之間資助的。儘管我們最近在諸如邏輯推理等人工智慧的其它領域沒有取得太多進展，但深度學習技術的進步至少最終可作為這些其它領域的部分替代。
雖然人工智慧在許多方面比人類有優勢，但人類仍然在涉及社會智力、創造力和一般智力的任務上保持著相當大的優勢。例如，今天的人工智慧可以做出很不錯的翻譯，但卻不能像人類那樣同時運用語言和社會與文化背景這兩種知識，也無法體會作者的論點、情感狀態和意圖。即使是最受歡迎的機器翻譯也仍然無法達到人類譯者的準確度。
在過去的十年里，我們在機器人、人工智慧和其他領域取得了實質性的創新。但在這些領域，我們還需要更快的創新步伐，才能真正推動生產率增長向前邁進。對於 Robert Gordon』s （2016）自信的悲觀預測或 Erik Brynjolfsson 和 Andrew Mcafee』s (2014)自信的樂觀觀點，我都不同意，因為過去的生產率增長是如此地難以預測。有一些證據給了我些許安慰，主要的新發明（如電力）已經連續波動地促進了生產率增長，這一模式可能會在未來重複（Syverson 2013）。更重要的是，比無休止地爭論生產率增長的未來更有趣而且更重要的是：對於生產率增長我們可以做什麼；這個問題的趣味性和重要性更低，我將在最後一部分討論的這個問題。
歷史上的創新有時會增加社會不平等，而且已有跡象表明人工智慧更是毫無例外
發達經濟體在過去三個世紀中見證了太多的創新奇蹟。18 世紀的大多數工作如今已經都已經不存在了，它們被超乎人類之前想像的新工作取代了。結果，在很長一段時間裡，縱然科技瞬息萬變，但是生活在美國的、想在一定時間內及時找到工作的人，大約 95% 都能找到工作。
儘管就業市場不像經濟學教科書上小麥等商品的程式化模型（stylized models）那樣運轉，但在多種參數內進行的供需基本運作是確保每個想找工作的人都能找到工作的機制。但是，為了實現這點，需要調整工資讓供應與需求平衡。在最近幾十年，工資調整的趨勢是：相較於高技術勞工，低技術勞工的工資大幅下降。從 1975 年到 2014 年，高中學歷工作者發現他們的相對薪水從高於大學學歷全職工作者薪水的 80%，下降到不到大學學歷全職工作者薪水的 60% (CEA 2016b) 。
我的擔憂不是當我們談及人工智慧時，它帶來的影響與以往有什麼不同，而是這次可能和我們過去幾十年遭遇的問題是相同的。關於我們不需要擔憂機器人取代人類工作的傳統論據仍然讓我們擔心：我們仍然擁有工作的唯一原因是我們願意為更低的工資而工作。
Carl Frey 和 Michael Osbourne (2013) 的報告顯示，自動化浪潮加劇了社會不平等。Frey 和 Osbourne 的重磅調查結果是：在美國，大約 50% 的工作正處於被自動化技術取代的危機中。這一估算數據引發了一場熱論 ，比如，經濟合作與發展組織(OECD) 研究者們 (Arntz and Zierahn 2016) 估算出只有 9% 的工作面臨著被自動化技術取代的危險。但是，讓我們忽略圍繞這一調查結果的爭論，而是將 Frey 和 Osbourne 的報告看成是合理的，但是對哪些工作將面臨科技革新壓力的猜測是高度不確定的。在經濟顧問委員會 ( Council of Economic Advisers) ，我們按薪資給工作排序，根據 Frey 和 Osbourne 的分析，我們發現 83% 的時薪低於 20 美元的工作將承受自動化技術的壓力，而 31% 的時薪 20 到 40 美元的工作以及 4% 的時薪超過 40 美元的工作也將承受那樣的壓力（見圖 3 ）。
表 3 來源：不同時薪（中值）工作被自動化的概率，Frey 和 Osborne (2013)；CEA 計算
即使這份統計報告中的確切數字有點過時了，其中三類工作的相對值也還是巨大的。工資和技能在某種程度上是相關聯的，這意味著公司對低技術工作的需求量會大量減少，而對高技能工作的需求量則幾乎不會減少。這種結果表明自動化對就業市場的影響發生了轉變。在過去，自動化技術導致了所謂的就業市場兩極分化，因為需要中等技能水平的工作——包括出納員、文員和某些流水線員工——更容易被程序化，然而，最近兩極分化的過程似乎中斷了 (Autor 2014; Schmitt, Schierholz, and Mishel 2013) 。高技術工作需要問題解決能力、直覺和創造力，低技術工作需要環境適應能力和當面溝通能力，它們都不能輕易程序化。如果有什麼不同的話，就是新的發展趨勢將給收入不平等施加更多壓力。我們已經能看到這樣一些自動化服務了——例如，我們購物時，不是在收銀員那裡付賬而是在自動結賬台那裡付錢，或者，當我們呼叫售後服務熱線時，我們是與自動化客服代表對話。
不過，認為不平等純粹是科技進步的作用是錯誤的。相對工資確實部分依賴於對勞動力的需求量，這是技術部分作用的結果。可是，它們還依賴於不同技術水平勞動力的供應量——即受教育程度的分布情況 (Goldin 和 Katz, 2008) ——而且還依賴於影響工資結構的制度安排，例如勞資談判 (Western 和 Rosenfeld, 2011) 。
科技不能完全說成是人類命運。許多國家和美國一樣經歷了科技變革，然而在最近四十年里，美國比其它主要經濟體產生了更嚴重的收入不平等問題和更高的總體不平等水平，表 4 呈現了這一點。當談及不平等——正如我將向更大的就業市場強調的那樣——制度和政策可以幫助決定科技變革是否以及在何種程度上塑造經濟發展成果。
表 4 來源：世界財富和收入資料庫 (World Wealth and Income Database)
勞動參與率長期下降激發了對人工智慧潛在影響的憂慮
此外，一種觀點認為我們能以巨大的不平等為代價避免大規模失業，而美國就業市場過去半個世紀的遭遇對這種樂觀態度提出了質疑。 25 到 54 歲的男性勞動者的勞動參與率從 20 世紀 50 年代的 98% 降低至如今的 88% ，這一事實對良好經濟狀態下全民就業的信心提出了關鍵的疑問。經濟顧問委員會在最近一份報告 (2016b) 中詳盡討論到：勞動參與率的下降主要集中在高中或更低學歷的男性中，同時發生的還有相對工資的下降。這意味著，這一群體的勞動參與率的降低表明勞動力需求量減少了，導致針對低技能勞動力的工作機會變得更少，而且工資也變得更低。包括自動化應用在內的越來越多的技術進步可能部分地解釋了公司對低技術勞動力的需求的下降，而全球化也可能對此有所促進。
這裡我主要關注黃金年齡男性，因為我認為在過去六十年，這類人的經歷能用來與科技變革對男性和女性勞動力參與度的未來影響作進行最好的平行比較。在 20 世紀後半葉，黃金年齡女性的工作參與度驟然升高，因為二戰後的社會和文化變革遮蓋了科技變革對工作參與度的所有負面影響。不過，值得注意的是，黃金年齡女性的工作參與度最近十五年下降了，這與黃金年齡男性的早期經歷類似。
我們的擔憂不是機器人將取代人類的工作而致使人類失業。傳統經濟學的論點被幾個世紀來經驗證實了。我們關注的是人員周轉的過程，也就是被科技奪取工作的工作者找到新工作的過程，因為科技引發了消費者新的需求，並因而會創造新的工作；不過這個過程中大部分人員可能將長期處於離職狀態。傳統經濟學觀點在很大程度上論述的是長期平衡，而不是中短期內會發生什麼。勞動參與率的下跌預示著我們必須仔細思考在經濟走向長期平衡過程中的短期動態變化。從短期來看， 不是所有工作者都能通過訓練或有能力找到由人工智慧創造的工作。另外，這裡的「短期」（它是用來描述經濟相較於平衡狀態所處的位置，而不是描述時間長度）可能長達十年，事實上，從更長遠來看，經濟可能會處在一系列「短期狀態」中。
結果，人工智慧有可能——就和我們過去幾十年見過的其它創新一樣——導致勞動參與率和就業率的進一步衰落。這不意味著我們必然將看到大量工作被機器人佔領，但是黃金年齡男性的勞動參與率每年下降約 0.2% 的趨勢仍在繼續，這將對數百萬人和整個經濟帶來實質性的問題。
然而，就社會不平等而言，我們不應該將這理解為技術決定論（technological determinism）。雖然大多數發達經濟體都面臨黃金年齡男性勞動參與率下降的問題，但是美國在這方面的下降幾乎是最急劇的，表 5 顯示了具體數據。其部分原因可能是美國勞動力市場制度比其他國家的更不支持勞動人口的參與(CEA 2016b)。
圖 5：經合組織（OECD）各個國家中，黃金年齡男性勞動力就業參與率
沒有理由認為，在科技和生產力比當今水平更高的未來，經濟不能帶來多個實質性水平上的就業。然而，關鍵是我們的勞動力市場制度如何應對這些變化，幫助、支持新職位的創造，並且成功地將新職位與勞動力匹配上。近期的一份 CEA 報告廣泛討論了總統按照這些原則提議的一些政策，內容包括擴大總需求、增加勞動力市場中的連接組織、稅制改革從而鼓勵工作、為工人創造更大的適應性（CEA 2016b）。其他應對政策包括加強教育與訓練，這樣更多的人有了補充技能，並且能從創新中獲益；增加稅收系統的累進度從而保證每個人都能分享到整體經濟收益；還要增強機構對更高薪資水平的支持，包括更高的最低工資、更強有力的勞資談判（collective barganing）以及其他形式的工人發言權（Furman 2016a）。
用普遍基本收入（Universal Basic Income ）取代現行安全網路（Current Safety Net）可能適得其反
出於害怕自動化和人工智慧導致大量工作會被取代（當然，還有其他動機），有些人提議深度變革政府援助結構。一個更常見的提議是，用普遍基本收入（UBI）取代如今部分或全部的社會安全網路：為每一個美國男人、女人、孩子提供一個規律性的、無條件的現金補助，而不是，比如貧困家庭臨時援助（Temporary Assistance to Needy Families, TANF），美國補充營養協助計劃（SNAP）或者是醫療補助計劃（Medicaid）。
雖然各種 UBI 構想存在差別，但是，右派 Charles Murray （2006）和左派由 Andy Stern 和 Lee Kravitz （2016）提出的思路已經成為了一些技術專家未來政策視野的主要部分（Rhodes, Krisiloff, and Altman 2016）。不同的提議有不同的動機，比如真實存在的、以及感知到的如今社會安全網路的缺陷，對更簡單卻更高效系統的信賴，以及出於這樣一個前提：為了更廣泛應對由人工智慧和自動化所帶來的改變而需要變革我們政策。
主要問題不是自動化將引發大量的人口失業。而是，工人將會既缺乏技能又缺乏能力，無法成功與自動化創造出的好的、高薪資工作匹配。雖然一個市場經濟會做大量工作將工人與新工作進行匹配，但它做起來不總是很成功，就像我們過去半個世紀看到的那樣。我們不應該以放棄工人保留工作的可能性為前提，發展一項政策。相反，我們的目標應該是以培養技能、訓練、工作搜索協助以及其他勞動市場機構、保證人們走進工作為首位，這是主要工作，也比 UBI 更能直接解決由人工智慧引發的就業問題。
然而，即使會帶來這些變革，新技術還會通過薪資分布變化加劇不平等，甚至可能導致貧困。因此，用 UBI 替代我們現在的扶貧項目，從任何實際設計來講，只會使收入分布更差而非更好。我們的稅收和轉讓制度，大部分是針對低收入分布人群，也就是說，它是為了減輕貧困以及收入不平等。使用一個普遍的資金補助取代該制度的部分或全部，意味著這個系統中相對較少的部分才是針對社會底層民眾的——實際上，這是在增加（而非減少）收入不平等。除非一個人願意接受稅收收入佔據更大的經濟份額（比當前份額更大），否則，既給所有人提供一個共同的金錢數量，又確保這一數量完全可以滿足最貧困家庭的需求，這很難做到。對於任何一個想對保障網路進行額外投資的人—— 總統也已經提議過多次這樣的投資 — 他必須面對同樣的目標問題。
最終，一些 UBI 的動機與未來技術發展無一點關係。相反，一些 UBI 支持者已經提出了這種主張：它應該比如今的社會援助系統更簡單、更公平，也有更少扭曲。這裡不是具體展開這一討論的地方，不過，我們可以說，今天的系統應當加以改善，而且總統也提議了一些社會援助系統的改善意見（OMB 2016）。但同時，最近研究發現，對這些項目的共同批判當中——比如，不能鼓勵就業，或者對減少貧困無用——已被過分誇大，而且一些項目，包括營養援助、醫療補助以及所得稅減免（EITC），對長期收益、受援助家庭的兒童健康與教育都很有好處。
這並不是說，我們不應該促進稅收與流轉制度的進步，而是說，我們需要將追求與可用的國家收入相匹配，在我們社會安全網路已有的成功上進行搭建。
促進人工智慧發展並保證所有美國人都能共享其收益，政府能為此做些什麼
不管有沒有人工智慧技術，我們都要做很多事去解決高度不平等和降低中的勞動力參與率——這也是我之前為什麼提到的總統數個提議。要達到我們樂觀看待人工智慧所能達到的那種程度，應該增強我們的積極性，承擔這些變化。但是，基本上無法相信人工智慧將顯著改變當前政策整體方向或目標。
儘管我們可能需要引導勞動市場的挑戰，我最大的擔心是我們在人工智慧的投入不夠。而且，公共政策可在其中產生一定影響。可以肯定的是，私營部門將會成為促進人工智慧的主要引擎。在 2015 年，私營企業在人工智慧上投資了 24 億美元，相比於此，國家科學基金會（NSF）投資了近 2 千萬美金。政府的角色應該包括給出支持研究的政策、培養人工智慧勞動力、促進競爭、消費者隱私的安全保障以及增強網路安全。就像我接下來依次指出的，這些政策將不僅幫助消費者，而且將會有益於公司，並最終引發更強有力的經濟增長。
1.基礎研究
2015 年，美國商業幾乎投入了 GDP 的 1.8% 去做研發工作，超過了以往記錄。但自從 20 世紀 60 年代以來，政府在研發上的投資份額一直在穩定下降。儘管商業投資很關鍵，但還不夠。基礎研究發現，因為它們的廣泛應用總是有很大的社會價值，但私人公司在基礎研究上的投資不足，因為它們很難從這樣的研究中佔用所得。事實上，即使私營部門在研發上的投入佔據了 2/3 還要多，我們也要謹記這些大部分投資是在應用研究上，而聯邦政策為基礎研究提供了 60% 的資金。
結果，由於缺乏公共投資，研發投資總額（不只是基礎研究，也包括應用研究和實驗開發）必然達不到社會最佳（Nelson 1959）。事實上，近期的分析表明研發投資的社會最佳水平，也就是能夠產生經濟增長最大比率的投入量是如今真正投入的 2 到 4 倍 （Jones and Williams 1998; Bloom, Schankerman, and Van Reenen 2013; Akcigit, Hanley, and Serrano-Velarde 2013）。對基礎研究而言，差距更大，因為它作為未來創新的種子意味著它產生最大的技術外溢。
過去，政府資金支持的研究是我們如今所知的人工智慧技術的催化劑。例如，從 2004 年開始，DARPA 已經舉辦了數個長距離的無人駕駛汽車比賽。這些大型挑戰賽為自動駕駛汽車創新給予了現金獎勵，被普遍認為促進了這一技術的發展進程。近期的例子包括政府對公私合作模式的投資，比如智能製造創新機構（ the Smart Manufacturing Innovation Institute）要建立美國在智能協作機器人領域的領導地位（白宮 2016b）。
向前看，我們需要確保政府對新興的人工智慧技術持續提供同樣類型的支持。總統的2017 年度財政預算要求：從 2016 年開始，整體研發基金有 4% 的增長，提議同時增加自由裁量和強制性的基金（ discretionary and mandatory funding）。此外，總統也提議擴展、簡化研究與實驗的稅收抵免，這是一種有效刺激商業增加其應用研究的方式。
2.發展人工智慧的勞動力
最終擊敗 Jeopardy，國際象棋以及圍棋世界冠軍的可能是計算機，但這些計算機是由人類團隊建立於編程的。而且如果我們想要有更多的人工智慧，人類的學習能力以及技能會一直都很重要。反過來，這由我們的策略選擇決定。一個是教育。政府支持基礎研究不只有益於研究本身，這也使得大學成為進行研究的有吸引力的場所，防止研究人員從大學流向私營部門，這種流失不只是為了追求更高的薪資，也會是為了尋求承擔研究的強大能力。這不僅幫助產生更多的研究，也會讓大學繼續訓練學生，從而促進深度學習這樣領域的發展。
促進高技術員工進入我國勞動市場的另一方式是移民，近期的證據表明技術移民對創新的貢獻是非常實質的。例如，Peri、Shih 和 Sparber（2014）發現，在 1990 年到 2010 年期間，外國科學、技術、工程以及數學領域（STEM）工作人員的流入解釋了該期間生產力增長總和的 30% 到 50%。這表明，我們應該增加簽證數量，允許更多高技術人員進去美國，而這如今受到了法律的限制。
最終，在談論不平等與勞動就業參與率時，我提到的政策步驟不僅能幫助解決人工智慧可能存在的副作用，也有助於人工智慧本身的進展。促進人工智慧發展需要儘可能多的優秀想法與創新，當一些人因為收入或者性別、種族觀念——這一問題在軟體中將變得極其重大——而在貢獻過程中處於不利地位時，它既會減少可用人才，也會減緩創新步伐。而且，一個經過較好訓練在工作中能利用人工智慧的勞動力，既會增加開發人工智慧的需求也會加速其發展。近期行政部門的一些項目將會有幫助。例如，兩黨的勞動力創新與機遇法案（Workforce Innovation and Opportunity Act），奧巴馬總統在 2014 年 7 月將其簽署為法律，鞏固了現有的資金支持，幫助再訓練員工技能，並將這些員工與僱主匹配起來。此外，2015 年 3 月，行政部門發布 TechHire 倡議，意在為 17 到 29 歲的人群準備 12 種在 IT 領域工作的技能，包括軟體開發、網路管理以及網路安全。
3.競爭
新型企業和已有企業的競爭一直以來都在新技術和創新的創造和採納中發揮著重要的作用，現在人工智慧的情況並沒有什麼不同。創業公司是創意新想法和新產品實現商業化的關鍵途徑。創業公司或創業公司進入的可能性也能激勵已有企業進行創新和降低成本。50 多年前，1962 年的諾貝爾經濟學獎獲得者 Kenneth Arrow 認為壟斷者對創新的激勵相對較弱，因為其創新無法使其從競爭對手那裡「偷取」業務。另一方面，競爭能推動公司投資能幫助其降低成本的新技術和投資能提升現有產品質量的創新。
技術的快速變革可能會給健全的鼓勵競爭的政策的發展帶來挑戰，因為我們既難以界定市場範圍，也難以評估競爭的程度或市場顛覆的可能性。比如，儘管評估人工智慧在競爭政策中的所扮演的角色可能很簡單，但可以想像當一家大型的已有企業掌握著市場中的大部分客戶的數據時，它就可以以好於任何潛在進入者所能希望的質量改進其產品，並能因此有效地阻擋進入者。因此，將消費者數據看作是關鍵的資源可以作為一種有效的補救措施，儘管讓消費者數據「開放」也需要穩健的隱私保護就位。但我們不應該過於高估這些難題，因為它們也曾在傳統市場出現過。此外，一些過去的「顛覆」都至少地部分受到了政府旨在鼓勵競爭的政策的推動。
因此，美國司法部和聯邦貿易委員會（FTC）等反壟斷官方機構將繼續在反壟斷政策的實施中發揮關鍵性作用。此外。美國的反壟斷機構（包括具體領域的監管者，如聯邦通信委員會和美國運輸部）最近也已開始追尋合并審查的創新方法，因為合并能夠有條件地確保給定市場的競爭者能公平地獲取關鍵性的資源。這些行動——比如無線移動服務、有線寬頻、技術製造和航空業——為收購審查（takeover reviews）提供了相對新穎且有效的補充。
4.隱私
隨著社會越來越依賴技術，特別是人工智慧，消費者已經開始分享更多數據，而且許多公司也正在搜集越來愈多有關用戶活動（無論是線上還是線下）的數據。儘管消費者可能願意捨棄隱私，以此作為從事數字化交易的代價，但是，尚不清楚的是:他們是否總是了解一次數字化交易所牽涉到的所有相關權衡（tradeoff)。即使當個人信息被共享並以此換取定製化產品或服務時，消費者理解牽涉其中的各種權衡，但是，不清楚的是：接下來，那些數據會如何被公司或其他公司加以利用。而人工智慧的出現會使這一情況變得更加困難，因為消費者、公司和政府正在以一種之前所不能想像的新方式創造、分析和使用著數據。
正如 2014年美國聯邦貿易委員會（ FTC ）報告所強調的，總的來說，公司如何處理用戶數據，用戶多大程度上控制（或沒有控制）這些數據，仍然缺乏透明度。因此，政府不得不考慮承擔的角色之一就是設定透明規則，規制公司收集和使用用戶數據行為。如果規則構建正確，那麼，這些規則將允許用戶超越目前行業中的標準用戶協議，就交出自己數據事宜作出更加明智的決策。在某些情況下，不僅僅是透明度的問題，政府也需要考慮是否存在應當加以禁止或限制的數據使用情況。
公司使用個人數據的隱私問題情況正在迅速演進著，這也突顯了奧巴馬總統隱私議事日程的重要性。過去七年中，行政部門在消費者隱私問題上，表現積極，方式各異，從利益相關團體的努力到消費者隱私權利法案（Consumer Privacy Bill of Rights,）、90天大數據以及隱私評論（90 Day Big Data and Privacy Review） 以及 2016年大數據：一份關於演算法系統、基於以及民事權利的報告（2016』s Big Data: A Report on Algorithmic Systems, Opportunity, and Civil Rights）。
5.網路安全
最後，消費者、公司以及政府面臨的某些最大風險就是識別盜竊以及數據違法。人工智慧不但有望幫助我們偵測欺詐，打擊網路入侵，也可被用於詆毀——而且，廣泛採用人工智慧技術會加劇最終成功的網路攻擊行為的嚴重性。
提升信息安全有望減少盜竊身份現象，但是，安全與效率的權衡會導致恰當位置上的安全保護比預期或必須的還要少。安全花費高，而且在某一時刻，額外安全帶來的好處將超過成本。關於哪一點上好處將會超過成本，公司的決定將大大不同於社會的決定。原因之一在於，公司並不承擔所有安全違約成本，因為這些成本中的許多部分都攤派在了整個個體網路上。另外一個原因在於信息不對稱性，買方很難評估產品賣方售出產品的安全性。
為了解決這些挑戰，行政機關已經制定一個利用政府、企業和個人的網路安全能力的方法。今年初，總統公布了其「網路安全國家行動計劃（Cybersecurity National Action Plan）」，這將公共和私營部門在這個複雜問題上七年的努力聚集到了一起。作為該計劃的一部分，總統設立了一個兩黨的「加強國家網路安全委員會（Commission on Enhancing National Cybersecurity）」，其中包括政府外部的這一領域的頂級思考者，以及一場聯合私營部門的公開宣傳活動，目的是讓美國人能採取額外的步驟來確保他們的網路賬戶和數據的安全。這一工作的關鍵是總統要求投入網路安全領域的 190 億美元資金，總統的「安全購買倡議（BuySecure Initiative）」能通過協助受害者確認網路盜竊犯而為消費者提供了更多工具來確保他們的財務未來、提升政府作為客戶和提供者的支付安全、以及加速向更強大的安全技術和下一代支付安全工具的轉移。最後， DARPA 成了一個網路挑戰大賽（a Cyber Grand Challenge），尋求自動化網路防禦方案，讓第一代無需任何幫助就可以發現、證實並實時解決軟體漏洞的機器登上舞台。如果成功，那麼，某一天，自動化速度將挫敗網路攻擊的結構化優勢。
結論
人工智慧，是當下美國經濟許多創新領域之一。至少到目前為止，人工智慧還沒有對宏觀經濟或者勞動力市場綜合表現造成巨大影響。但是，在未來幾年中，人工智慧的影響將變得越來越重要，為我們帶來重要機遇——我們應該全面擁抱這一機遇。我對人工智慧最大的擔憂是，我們沒有足夠的人工智慧技術，需要做更多來確保繼續產生提高生產力、改善人類生活的突破性發現。然而，不容否認的是，類似過去的那些技術創新，人工智慧額也會帶來挑戰，比如就業。正如我儘力澄清的，我並不相信作為外因的技術發展將完全決定經濟增長、不公平或就業的未來。公共政策——包括幫助因新技術失業的工人找到新的更好工作的政策，以及在確保我們可以完全享受人工智慧技術帶來的利益並最小化其對經濟和社會的潛在顛覆性影響方面，一個可以對需求做出回應並確保機遇的安全網路會很重要。而且在這一過程中，這樣的政策也會有助於生產力增長，包括人工智慧自身的進步。
請您繼續閱讀更多來自 機器之心 的精彩文章:
盤點8個最具啟發意義的深度學習應用當人工智慧出錯時，我們可能沒有能力理解出錯原因喬治亞理工研發出模仿人類步態的機器人FB人工智慧大腦：Big Sur硬體系統歐盟要求「解釋權」，或引發與人工智慧公司巨大衝突
TAG:機器之心 |
※中國人為什麼必須需要家譜？
※為什麼社會需要英雄？
※從奧運會看教育，需要完美主義嗎？
※做健身教練需要會什麼？
※人為什麼需要交朋友？
※人工智慧需要自毀開關嗎？
※人工智慧投資熱不會衰退 但需要獨具慧眼
※運20為何仍需要俄羅斯發動機？專家的話讓國人振奮
※美國迫切需要更多移民，為什麼？
※法國極右翼候選人瑪麗娜·勒龐參觀農業展，稱需要實施經濟愛國主義
※專家支招 | 寶寶睡覺很粘人，需要大人陪怎麼辦？
※為什麼我們都需要朋友？
※中國為什麼還需要馬克思主義
※關於瑜伽為什麼會需要調息？
※人類實現人工智慧究竟需要走多遠的路？答案讓人意外！
※韓國足協主席說了什麼，讓中日韓網友都說：不需要！
※我們為什麼需要哲學？
※中國為什麼需要更多航母！
※為什麼明星都需要經紀人？經紀人與明星是什麼關係？